Como dividir arquivos CSV de acordo com o número de linhas especificado?

Question

Tenho um arquivo CSV (cerca de 10.000 linhas; cada linha com 300 colunas) armazenado no servidor LINUX. Quero dividir esse arquivo CSV em 500 arquivos CSV de 20 registros cada. (Cada um com o mesmo cabeçalho CSV presente no CSV original)

Existe algum comando do Linux para ajudar nesta conversão?

Answer 1

Para completar, aqui estão algumas pequenas melhorias:

• Você poderia salvar o cabeçalhouma veze reutilizar muitas vezes
• Você pode inserir o cabeçalho nos arquivos divididos sedsem arquivos temporários

Assim:

header=$(head -n 1 file.csv)
tail -n +2 file.csv | split -l 20
for file in x??; do
    sed -i -e 1i$'\\\n'"$header" "$file"
done

Existe $'\\\n'um caractere NEWLINE escapado com uma barra invertida. A sedexpressão significa: inserir $headerantes da 1ª linha.

Answer 2

Isso deve servirsemo cabeçalho CSV:

tail -n +2 file.csv | split -l 20

Você pode então adicionar o cabeçalho a cada um dos arquivos:

for file in x*
do
    (head -n 1 file.csv; cat "$file") > "$file".new
    mv "$file".new "$file" # Stolen from @PawanMude's answer
done

Answer 3

Tentar:

fn="infile" c=0
{ 
  read header
  split -a 3 -l 3 - "$fn"
  for f in "$fn"???; do
    c=$((c+1))
    printf "%s\n" "$header" | cat - "$f" > "${f%???}-$c" && rm "$f"
  done 
} < $fn

Ou tente com awk:

awk 'NR==1{h=$0; next} !((NR-2)%n){close(f); f=FILENAME "-" ++c; print h>f}{print>f}' n=3 infile

versão multilinha:

awk '
  NR==1 {
    h=$0
    next
  }
  !((NR-2)%n) {
    close(f)
    f=FILENAME "-" ++c
    print h>f
  }
  {
    print>f
  }
' n=3 infile

Answer 4

Use GNU Paralelo:

cat bigfile.csv | parallel -N20 --header : --pipe 'cat > {#}'

Se você precisar executar um comando em cada uma das partes, o GNU Parallel também poderá ajudar:

cat bigfile.csv | parallel -N20 --header : --pipe my_program_reading_from_stdin

cat bigfile.csv | parallel -N20 --header : --pipe --cat my_program_reading_from_a_file {}